Claim Missing Document
Check
Articles

Klasifikasi Multikelas pada Teks Judul Berita Menggunakan Algoritma Recurrent Neural Network Bagus Bramantyo; Muhammad Pajar Kharisma Putra; Nirwana Hendrastuty
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 3 No. 1 (2025): Volume 3 Number 1 March 2025
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v3i1.197

Abstract

Saat ini, informasi dapat dengan mudah diperoleh melalui internet, salah satunya melalui platform portal berita online yang memberikan akses informasi sesuai permintaan. Namun terkadang kita kesulitan menemukan konten berita yang diinginkan karena jumlahnya yang sangat banyak. Hal ini terjadi karena proses pengkategorian konten berita secara manual oleh author, yang bisa menyebabkan kesalahan seperti topik berita yang tercampur. Penelitian ini bertujuan untuk mengetahui kinerja metode Deep Learning menggunakan Recurrent Neural Network (RNN) dalam tugas multiklasifikasi pada judul berita dengan topik Ekonomi, Kesehatan, Olahraga, dan Politik. Judul berita untuk data latih dan uji diperoleh menggunakan Web Scraping dan setelah itu melalui tahap Text Preprocessing yang meliputi case folding, tokenization, stopwords removal, dan stemming. Selanjutnya, dilakukan ekstraksi fitur menggunakan TF-IDF untuk memberikan bobot pada setiap kata. Hasil pengujian kinerja model menggunakan Confusion Matrix menunjukkan akurasi mencapai 97%, sehingga metode RNN dapat digunakan dengan baik dalam tugas multiklasifikasi pada judul berita dan dapat diaplikasikan pada sistem pengklasifikasian judul berita.